Diversi esempi sono presentati in questa documentazione come esercitazioni. Puoi anche utilizzare molti altri esempi forniti nel fileDecision OptimizationGitHub , e nel Centro di risorse .
Link rapidi:
Decision Optimization GitHub DO - esempi
Vedi Decision Optimization GitHub per un repository di esempi da utilizzare con IBM Cloud Pak for Data as a Service. Per gli esempi Decision Optimization experiment UI , vedi la sezione seguente Decision Optimization experiment UI samples. Questo repository contiene anche Jupyter notebook esempi che possono essere importati in Cloud Pak for Data. Vedere Jupyter notebook.
esempio Java
Vedi l'esempio di modello Java fornito nel contenitore tipo Decision Optimization Java™ worker nel Java worker GitHub.
Esempi descritti in questa documentazione
La seguente tabella elenca i modelli di esempio descritti in questa documentazione e mostra come utilizzare Decision Optimization.
| Esempi | Scopri come ... |
Visualizza |
|
|---|---|---|---|
Creare modelli di pianificazione utilizzando Modeling Assistant. |
Esempio di costruzione di una casa |
|
|
Creare modelli di ottimizzazione Python utilizzando Decision Optimization UI esperimento. |
Esempio di dieta |
|
|
Esempio di scenari multipli |
|
||
Creare o importare DOcplex Python notebook. |
Decision Optimization notebook esempi |
|
Decision Optimization esperimento esempi (Python, OPL, Modeling Assistant)
Per una guida dettagliata per creare, risolvere e distribuire un modello di Decision Optimization , utilizzando l'interfaccia utente, vedi l' Esercitazione di avvio rapido con il video.
La seguente tabella elenca gli esempi Decision Optimization forniti in DO - samples in Decision Optimization GitHub. Tutti questi asset utilizzano la UI di esperimento Decision Optimization e contengono dati.
Per eseguire i modelli, è necessario associare un'istanza di watsonx.ai Runtime al proprio progetto e associare uno spazio di distribuzione all'esperimento Decision Optimization. Devi anche avere il ruolo Editor o Admin nello spazio di distribuzione.
- Scaricare ed estrarre tutti gli esempi DO sul computer. È anche possibile scaricare solo un campione, ma in questo caso, non estrarlo.
- Aprire il progetto o creare un progetto vuoto.
- Nella scheda Gestisci del tuo progetto, seleziona la sezione Servizi e integrazioni e fai clic su Associa servizio. Quindi selezionare un'istanza del servizio Machine Learning esistente (o crearne una nuova) e fare clic su Associa. Quando il servizio è associato, viene visualizzato un messaggio di esito positivo ed è possibile chiudere la finestra Associa servizio .
- Selezionare la scheda Asset .
- Selezionare Nuova risorsa > Risolvi problemi di ottimizzazione nel Lavora con i modelli sezione.
- Fare clic su File locale nella finestra Crea un esperimento Decision Optimization aperta.
- Passare alla cartella Model_Builder nel DO - samplesscaricato. Selezionare la sottocartella relativa al prodotto e alla versione. Scegliere il file .zip di esempio e fare clic su Apri. In alternativa, trascinare l'esempio nella finestra.
- Se non si è già associato un servizio watsonx.ai Runtime al progetto, è necessario selezionare Aggiungi un servizio di Machine Learning per selezionarne o crearne uno prima di scegliere uno spazio di distribuzione per l'esperimento.
- Fare clic su Nuovo spazio di distribuzione, immettere un nome e fare clic su Crea (o selezionare uno spazio esistente dal menu a discesa).
- Fare clic su Crea.
Un modello Decision Optimization viene creato con lo stesso nome dell'esempio.
| Modelli per Decision Optimization | Tipo di problema | Tipo di modello |
|---|---|---|
| BridgeScheduling | Pianificazione | Modeling Assistant |
| Dieta | Sfumatura | Python |
| DietLP | Sfumatura | LP (CPLEX) |
| EnvironmentAndExtension | Utilizzo di un ambiente con un'estensione che contiene un file di libreria e codice YAML. | Python |
| HouseConstructionScheduling | Pianificazione con assegnazione | Modeling Assistant |
| IntermediateSolutions | Soluzioni intermedie per modelli CPLEX e CPO | Python |
| MarketingCampaignAssignment | Assegnazione risorse (Scenari 1 - 4) Selezione e allocazione (Scenario 4 - Selezione) |
Modeling Assistant |
| Più file | Utilizzo di un modello con più file. | Python e LP |
| PastaProduction | Produzione | OPL |
| PortfolioAllocation | Selezione & Allocazione | Modeling Assistant |
| PythonEngineSettings | Puzzle geometrico con impostazioni del motore personalizzate | Python |
| ShiftAssignment | Assegnazione di risorse con decisioni personalizzate e un vincolo personalizzato | Modeling Assistant |
| StaffPlanning | Pianificazione multi - scenario (da utilizzare con CopyAndSolveScenarios.ipynb) |
Python |
| SupplyDemandPlanning | Pianificazione della domanda e dell'offerta | Modeling Assistant |
| TalentCPO | Pianificazione dei filmati | CPO (CP Optimizer) |
Jupyter notebook campioni
- Scaricare ed estrarre tutti gli esempi DO sul computer. È anche possibile scaricare un solo esempio.
- Aprire il progetto o creare un progetto vuoto.
- Selezionare la scheda Asset .
- Selezionare Nuova risorsa > Lavora con dati e modelli inPython o R nel Lavora con i modelli sezione.
- Selezionare la scheda Da file nella nuova finestra che si apre.
- Denominare notebook, fare clic su Trascinare e rilasciare i file qui o caricarli e sfoglia per notebook nella cartella jupyter nel DO - esempiscaricato. Selezionare la sottocartella relativa al prodotto e alla versione.
- Fare clic su Crea. Il notebook viene aggiunto al progetto.
Python notebooks in Resource hub
Decision Optimization Python notebooks sono disponibili presso Resource hub. Per utilizzare questi notebook in un progetto esistente, aprire un notebook nell' Hub di risorse, fare clic su Aggiungi a progetto, selezionare il progetto e fare clic su Crea.